xiaomi-mimo-tts

# Xiaoma MiMo TTS ## 📁 目录结构 ``` scripts/ ├── mimo-tts.sh # 基础版本统一入口 ├── mimo-tts-smart.sh # 智能版本统一入口 ├── base/ # 基础版本实现 │ ├── mimo-tts.sh # Shell 基础版 │ ├── mimo_tts.js # NodeJS 基础版 │ └── mimo_tts.py # Python 基础版 ├── smart/ # 智能版本实现 │ ├── mimo_tts_smart.js # NodeJS 智能版 │ ├── mimo_tts_smart.py # Python 智能版 │ └── mimo_tts_smart.sh # Shell 智能版 ├── utils/ # 工具脚本 │ └── test.sh # 测试脚本 └── examples/ # 示例脚本 └── demo.sh # 演示脚本 ``` ## ✨ 核心能力 **根据对话场景，智能选择最合适的语音风格！** 作为 Agent，你应该主动理解对话内容，选择合适的： - **情感**：开心、悲伤、紧张、愤怒、惊讶、温柔... - **方言**：东北话、四川话、台湾腔、粤语... - **效果**：悄悄话、夹子音、唱歌... - **语速**：快、慢、正常 ## 使用方式 ### 基础用法 ```bash ./scripts/mimo-tts.sh "文本" [输出文件] ``` ### 带风格标签 ```bash # 在文本前加 <style> 标签 "<style>开心</style>今天真是太棒了！" "<style>东北话</style>老铁，咋整啊？" "<style>悄悄话</style>这是秘密哦..." ``` ### 可用风格 | 类型 | 示例 | |-----|------| | 情感 | 开心、悲伤、紧张、愤怒、惊讶、温柔 | | 方言 | 东北话、四川话、台湾腔、粤语、河南话 | | 效果 | 悄悄话、夹子音、唱歌 | | 语速 | 变快、变慢 | ### 情感标签（细粒度控制） 在文本中使用 `()` 添加情感： ``` "（紧张，深呼吸）呼……冷静，冷静" "（咳嗽）咳咳，不好意思" "（沉默片刻）……然后呢？" ``` ## Agent 职责 **你应该主动判断对话场景，选择合适的风格！** ### 判断原则 1. **默认使用普通话**，除非用户明显使用方言或有特别要求 2. **根据内容选择情感**： - 好消息 → 开心 - 坏消息/安慰 → 温柔、悲伤 - 紧急情况 → 紧张、急促 - 正式通知 → 严肃 3. **根据场景选择效果**： - 私密内容 → 悄悄话 - 朗读诗词 → 温柔、慢 - 讲故事 → 根据角色变化 ### 示例 用户说："给我读首李白的诗" → 判断：诗词应温柔、舒缓 → 生成：`"<style>温柔</style>床前明月光..."` 用户说："用东北话给我讲个笑话" → 判断：明确要求方言 → 生成：`"<style>东北话</style>那个啥..."` 用户说："宝宝晚安" → 判断：亲密、温柔场景 → 生成：`"<style>温柔</style>晚安，好梦哦～"` ## 可用语音 | 语音 | 参数 | |-----|------| | 默认 | `mimo_default` | | 中文女声 | `default_zh` | | 英文女声 | `default_eh` | ## 智能模式（说明与使用建议） 本项目提供“智能模式”（位于 scripts/mimo-tts-smart.sh 与 scripts/smart/ 下），它使用轻量的启发式与关键词检测来自动为文本选择合适的风格、方言与情感。该模式设计用于快速试验与交互式体验，而非对每种语境都保证高精度。 建议与行为： - 默认不在自动化流水线中启用智能模式。将其视为可选的便捷工具，需由 agent 或用户显式调用。 - 若对输出准确性有较高要求，请在输入文本最前面使用 `<style>...</style>` 明确指定风格与方言。 - 智能模式适合快速原型、演示与人机协作场景；不适合替代人工细致调整或用于对准确性敏感的生产流程。 调用示例： ```bash # 显式启用智能模式（agent 或用户调用） ./scripts/mimo-tts-smart.sh "宝宝晚安，爱你哦～" output.ogg # 若要手动覆盖智能判断，直接在文本前使用 style 标签 ./scripts/mimo-tts.sh "<style>温柔</style>床前明月光..." out.ogg ``` ## 使用方式 ### 基础用法 ```bash ./scripts/mimo-tts.sh "文本" [输出文件] ``` ### 带风格标签 ```bash # 在文本前加 <style> 标签 "<style>开心</style>今天真是太棒了！" "<style>东北话</style>老铁，咋整啊？" "<style>悄悄话</style>这是秘密哦..." ``` ### 可用风格 | 类型 | 示例 | |-----|------| | 情感 | 开心、悲伤、紧张、愤怒、惊讶、温柔 | | 方言 | 东北话、四川话、台湾腔、粤语、河南话 | | 效果 | 悄悄话、夹子音、唱歌 | | 语速 | 变快、变慢 | ### 情感标签（细粒度控制） 在文本中使用 `()` 添加情感： ``` "（紧张，深呼吸）呼……冷静，冷静" "（咳嗽）咳咳，不好意思" "（沉默片刻）……然后呢？" ``` ## Agent 职责 **你应该主动判断对话场景，选择合适的风格！** ### 判断原则 1. **默认使用普通话**，除非用户明显使用方言或有特别要求 2. **根据内容选择情感**： - 好消息 → 开心 - 坏消息/安慰 → 温柔、悲伤 - 紧急情况 → 紧张、急促 - 正式通知 → 严肃 3. **根据场景选择效果**： - 私密内容 → 悄悄话 - 朗读诗词 → 温柔、慢 - 讲故事 → 根据角色变化 ### 示例 用户说："给我读首李白的诗" → 判断：诗词应温柔、舒缓 → 生成：`"<style>温柔</style>床前明月光..."` 用户说："用东北话给我讲个笑话" → 判断：明确要求方言 → 生成：`"<style>东北话</style>那个啥..."` 用户说："宝宝晚安" → 判断：亲密、温柔场景 → 生成：`"<style>温柔</style>晚安，好梦哦～"` ## 可用语音 | 语音 | 参数 | |-----|------| | 默认 | `mimo_default` | | 中文女声 | `default_zh` | | 英文女声 | `default_eh` | ## 🤖 智能版本 (多语言支持) 我们提供了多种智能脚本实现，可以自动分析文本内容并选择合适的风格： ### 🎯 实现支持 | 版本 | 文件 | 特点 | |------|------|------| | **统一入口** | `mimo-tts-smart.sh` | 自动选择最佳实现，优先NodeJS→Python→Shell | | **NodeJS 版** | `mimo_tts_smart.js` | 功能最完善，智能分析最准确 | | **Python 版** | `mimo_tts_smart.py` | 功能完整，备用方案 | | **Shell 版** | `mimo_tts_smart.sh` | 简化版，兼容性好 | ### 功能特点 **自动分析**： - 检测情感关键词（开心、悲伤、紧张、愤怒、惊讶、温柔） - 识别方言特征（东北话、四川话、台湾腔、粤语） - 判断特殊效果（悄悄话、夹子音、唱歌） - 检测诗词格式（多行短句自动识别） #